2019年春季学期视觉计算实验室第9周论文研读预告

时间: 2019年4月25日 09:30
地点: 望江基础教学楼B座318实验室
研读成员: 杨啸、陈婷婷
研读内容

分享者一:杨啸

[1] Du F , Plaisant C , Spring N , et al. EventAction: Visual analytics for temporal event sequence recommendation[C]// 2016 IEEE Conference on Visual Analytics Science and Technology (VAST). IEEE, 2016.
[2] Michelle D , John W , Fry J T , et al. SIRIUS: Dual, Symmetric, Interactive Dimension Reductions[J]. IEEE Transactions on Visualization and Computer Graphics, 2018:1-1.

论文简介
[1]现阶段推荐系统被广泛用于帮助人们做出决定,例如推荐观看电影或购买书籍,本文提出的方法的新颖之处在于它使用事件序列作为特征来识别类似记录并向用户提供适当的建议。它很好的解释了推荐系统的有效性。本文的主要贡献如下
a) 在构建的分析系统中提出和解释了建议的时间事件序列
b) 提出了一种基于时间事件序列推荐的四步工作流程
c) 对EventAction的设计研究进行了评估
主要四步工作流程为(1)找到类似的存档记录(2)探索潜在的结果(3)推荐有助于实现用户目标的时间时间序列(4)协助用户交互式的制定个性化行动计划。
--2-1

图1:EventAction用户界面图

[2]当前许多应用程序中的数据不仅是高维的,而且还包含不同数据类型的混合,例如数据、分类和二进制。当前流行的处理方式为散点图、平行坐标以及线性和非线性投影。但这些方法不能很好地使分析者信任其揭示的模式。作者提出了一种新颖的可视化分析技术SMARTexplore,通过基于表格的方式帮助人们对高维数据中的聚类、相关性和复杂模式的识别和理解。本文的主要贡献如下
a) 自动处理和聚合混合数据类型
b) 简化了复杂数据的转换
c) 模式识别和突出显示的自动化
d) 通过自动可靠性分析建立信任

--3-1

图2: 系统界面图
分享者二:陈婷婷

[1] Weng D , Chen R , Deng Z , et al. SRVis: Towards Better Spatial Integration in Ranking Visualization[J]. 2019.

论文简介:互动排名技术大大提高了分析师根据多种标准做出明智决策的能力。然而,现有技术不能有效地对大规模包含地理信息的数据进行分析,例如现有技术不能有效地分析连锁店的最佳选址,在这个分析过程中地理位置起了重要作用。该论文将排名与空间背景相结合的技术现状进行分析,并开发了一种新颖的空间排序可视化技术。在研究过程中解决了排名与空间背景相结合技术中的三个主要挑战:
a)空间排名和背景的呈现
b)排名的可视化表示的可扩展性
c)对上下文整合的空间排名的分析
该论文使用可扩展的基于矩阵的可视化和基于新型两阶段优化框架的堆叠条形图来编码大量排名及其原因,该框架可最大限度地减少信息丢失,并采用灵活的空间过滤和直观的比较分析来实现深入评估排名并帮助用户选择最佳空间替代方案,demo见图1。最后通过两个案例研究和专家访谈的实证研究,对所提出技术的有效性进行了评估和论证。
--1-2

图3: SRVis demo
123